Mengestimasi parameter betha pada regeresi logistik menggunakan Maksimum Likelihood
Full description
Full description
Metode Variasi Parameter
biostatistik inferensialFull description
punya makcit
Deskripsi lengkap
Full description
Metode Levenberg Marquardt Dalam Estimasi Model Regresi Non LinierDeskripsi lengkap
Metode Levenberg Marquardt Dalam Estimasi Model Regresi Non LinierFull description
Analisis Estimasi BiayaFull description
Pengenalan estimasi biaya
estimasi biayaFull description
Analisis Estimasi BiayaDeskripsi lengkap
Full description
Deskripsi lengkap
METODE ESTIMASI PARAMETER Dalam estimasi dikenal istilah penduga atau estimator atau fungsi keputusan. Fungsi keputusan atau estimator ini digunakan untuk mendapatkan taksiran untuk parameter. Syarat penduga yang aik! ". #niased Suatu penduga atau estimator
dikatakan uniased $ika memenuhi syarat erikut!
E% &' ( Dengan
adalah parameter dan
adalah estimator parameter.
). Mini Minim mum *ar *aria ian n Suatu estimator
dikatakan minimum *arian apaila memenuhi kriterian erikut!
Menurut +ramer Rao
Apaila
Maka 3.
adalah uniased estimator dari
dan
adalah minimum *arian,e uniased estimator dari .
-onsisten Suatu penduga atau estimator
dikatakan konsisten $ika memenuhi syarat!
Semakin esar sampel maka nilai *arian semakin ke,il atau nilai sampel semakin mendekati populasi. . Rela Relati ti*e *e efis efisie iens nsii Suatu penduga atau estimator estimator
anyak estimator /. Suf Suffi,ien ,ien,y ,y
dikatakan efisien $ika memiliki *arian terke,il diantara
uniased lainnya.
Suatu penduga atau estimator
dikatakan suffi,ient $ika tiap nilai parameter
distriusi
ersyarat %,onditional distriution& dari random *ariale % 0"10)1....10n gi*en
&
adalah independent dari .
2erikut eerapa metode estimasi yang sering digunakan dalam statisti, untuk menduga atau mengestimasi parameter! ". -3ASI- •
Metode estimasi parameter dengan metode klasik1 merupakan metode estimasi parameter yang anyak digunakan dan mudah untuk diaplikasikan1 selain itu metode ini $uga relati*e sederhana diandingkan metode lainnya.
•
Mengasumsikan parameter populasi tetap %konstan& 4alaupun nilainya tidak diketahui
•
Estimasi dari populasi dapat erupa estimasi titik dan estimasi selang %inter*al&.
•
Estimasi Titik Estimasi yang nilai dugaannya erupa satu nilai atau titik. +ontoh! Penduga dari rata5rata populasi 6 adalah 1 dimana
•
merupakan suatu nilai tertentu.
Estimasi Selang Estimasi yang nilai dugaannya erupa suatu selang atau inter*al keper,ayaan. Selang keper,ayaan %confidence interval & adalah seuah inter*al antara dua angka1 dimana dalam tingkat keper,ayaan tertentu nilai parameter seuah populasi terletak di dalam inter*al terseut. Dimana
Dengan
selang
7"
keper,ayaan
terseut
dapat
dituliskan
se,ara
matematis!
Maka dengan peluang
yang mengandung
sampel yang diamil akan menghasilkan selang %inter*al&
. Selang %inter*al&
sampel adalah selang keper,ayaan
yang diamil erdasarkan random .
Dimana! diseut koefisien keper,ayaan atau taraf keper,ayaan atau tingkat signifikansi.
dan
masing5masing adalah atas a4ah dan atas atas.
). 2A8ES Menurut 2ayes1 parameter populasi erasal dari suatu distriusi1 sehingga nilainya • tidaklah tunggal %merupakan *ariael random&1 sedangkan menurut metode klasik •
parameter populasi diasumsikan tetap %konstan& 4alaupun nilainya tidak diketahui. 2ayes menggunakan interpretasi proailitas se,ara suyektif di dalam analisa statistika formal. Pendekatan 2ayes terhadap metode estimasi statistik menggaungkan informasi yang dikandung dalam sampel dengan informasi lain yang telah tersedia seelumnya.
9. O3S Prinsip ker$anya ialah meminimumkan $umlah kuadrat penyimpangan atau error nilai5 • nilai oser*asi terhadap rata5ratanya! % asumsi linearitas.
Prinsip! minimum
•
minimum
Memiliki / asumsi yang harus dipenuh oleh penyimpangan atau errornya! ". :ormalitas Error mengikuti distriusi normal dangan rata5rata' ; dan *arian' <) ). 3inieritas! E %=i& ' ;.
3inearitas menun$ukkan rata5rata sama dengan ; atau tidak ada korelasi antara *ariael eas dengan error. 9. >omoskedastisitas! ?ar %=i& ' <) >omoskedastisitas menun$ukkan *arian dari distriusi errornya esifat konstan atau mendekati konstan. . :on5multikolinieritas Multikolineritas menun$ukkan adanya huungan linear diantara eerapa atau semua *ariale eas yang menyusun model regresi. /. :on5autokorelasi! +o* %=i1 = $& ' ; 1 i @ $ :on autokorelasi menun$ukkan tidak adanya huungan atau korelasi antara error satu dengan error lainnya. . 3S Prinsip dasarnya sama dengan O3S1 yaitu meminimumkan $umlah kuadrat penyimpangan • •
atau error nilai5nilai oser*asi terhadap rata5ratanya . Metode 3S %Generalized Least Squares& memiliki nilai leih diandingkan O3S dalam mengestimasi parameter regresi. metode O3S yang umum tidak mengasumsikan ah4a *arians erroe adalah homoskeda1Pada kenyataannya *ariasi data pada data khususnya data time series ,enderung heterogen %heteroskedas&. Metode 3S sudah memperhitungkan heterogenitas yang terdapat pada *ariael independen se,ara eksplisit.
/. MME Prinsip! Momen Sampel' Momen Parameter • •
Misalkan suatu populasi dengan fungsi densitas f%B ( C"11 Ck &1 maka momen populasi ke5 k didefinisikan seagai 6k 'E%0k &.
•
ika 0"10)1....10n adalah sampel random dari populasi dengan fungsi densitas f%B(C"1 1Ck &1
•
maka
momen
sampel
ke5k
didefinisikan
dengan
Misal 0"1 0)1 ....1 0n adalah sampel random dari populasi dengan fungsi densitas f%B(C"1 1 Ck &1 estimator metode momen didapatkan dengan menyamakan k momen sampel dengan k momen populasi1 dan menyelesaikan sistem persamaan simultan yang dihasilkan. +aranya!
2uat persamaan Misal untuk k'"
Sehingga!
men$adi
. M3E Prinsip ker$anya maksimum likelihood dengan syarat distriusi error diketahui atau • diasumsikan mengikuti distriusi tertentu. dimana